为什么(.*)*会产生两个匹配结果，但在第一组中没有选择任何内容？

Question

这起源于一个讨论正式化正则表达式语法的话题。我在几个正则表达式解析器中都看到了这种行为，因此我将其标记为与特定编程语言无关。

拿以下表达式为例（根据您喜欢的编程语言进行调整）：

replace("input", "(.*)*", "$1")

它会返回一个空字符串。为什么？

更加奇怪的是，表达式replace("input", "(.*)*", "A$1B")将返回字符串ABAB。为什么有两个空匹配项？

免责声明：我知道回溯和贪婪匹配，但是Jeffrey Friedl所规定的规则似乎是.*匹配所有内容，不进行进一步的回溯或匹配。那么为什么$1是空的？

注意：与(.+)*相比，后者会返回输入字符串。然而，http://regexhero.com显示仍然有两个匹配项，这看起来与上述原因相同，有点奇怪。

- Abel

---

这个问题的答案可能取决于正则表达式的实现（例如，它在发现有效匹配后是否立即停止）。 - Richard

可能是为什么这个Perl正则表达式中的.*没有匹配整个字符串？的重复问题。 - Anirudha

@Some1.Kill.The.DJ：确实几乎一样，但并非完全相同。这是针对特定编程语言的问题，答案并未解释这里所阐述的内容。最后，答案似乎包含了一个错误的说法（即(.*)*会将整个匹配结果放在$1中，而这正是这个问题所证明的不正确之处）。 - Abel

@Abel：在那个问题中，正则表达式是((.*)*)，所以整个匹配结果将会被放置在$1中。（当然，外层括号完全是多余的，但答案是正确的。） - Tim Pietzcker

@Tim：你是对的，我只关注了这个句子：“_$1将包含与(.*)*/(.+)*匹配的内容，即整个字符串_”，并且解释错误了。 - Abel

Answer 1

让我们看看会发生什么:

1. (.*) 匹配 "input"。
2. "input" 被捕获到第一个组中 (1)。
3. 正则表达式引擎现在位于字符串的末尾。但是由于 (.*) 重复了，因此会进行另一次匹配尝试：
4. (.*) 匹配 "input" 后面的空字符串。
5. 空字符串被捕获到第一个组中 (1)，覆盖了 "input"。
6. $1 现在包含空字符串。

从评论中来的一个好问题:

那么为什么 replace("input", "(input)*", "A$1B") 返回 "AinputBAB"？

1. (input)* 匹配 "input"。它被替换为 "AinputB"。
2. (input)* 匹配空字符串。它被替换为 "AB"（$1 因为没有参与匹配而为空）。
3. 结果： "AinputBAB"

- Tim Pietzcker

---

实际上，.* 匹配的是字符串开头和结尾的空字符串。我用 Matcher.find() 进行了尝试，并打印了 matcher.group(1) 和 matcher.start()。奇怪的是，它打印出了位置 0 和 5，并匹配了空字符串。 - Rohit Jain

@samuil说：.+不能匹配空字符串。 - Tim Pietzcker

@RohitJain：我不使用Java，所以我无法重现这个问题。虽然听起来很奇怪，但我无法想象字符串开头会有一个空匹配。.*是贪婪的，而且没有回溯的理由... - Tim Pietzcker

只要不强制外部的*量词继续运行，它就会停止。 - Tim Pietzcker

@AndriyF。我认为对于replace("input", "(.*)", "A$1B")也是如此，它返回AinputBAB。同样，replace("input", "(.*)*", "A$1B")由于Tim解释的原因返回ABAB。请注意，他更新了他的答案以回应您的评论。 - Abel